人工智能核心技术在财务管理中的应用.docx

人工智能核心技术在财务管理中的应用.docx

《人工智能核心技术在财务管理中的应用.docx》由会员分享，可在线阅读，更多相关《人工智能核心技术在财务管理中的应用.docx（9页珍藏版）》请在冰豆网上搜索。

人工智能核心技术在财务管理中的应用

人工智能技术在财务管理中应用

学院

专业

研究方向

学生姓名

学号

任课教师姓名

任课教师职称

6月21日

前言

人工智能（ArtificialIntelligence），英文缩写为AI。

它是研究、开发用于模仿、延伸和扩展人智能理论、办法、技术及应用系统一门新技术科学。

人工智能是计算机科学一种分支，它企图理解智能实质，并生产出一种新能以人类智能相似方式做出反映智能机器，该领域研究涉及机器人、语言辨认、图像辨认、自然语言解决和专家系统等。

当前可以用来研究人工智能重要物质基本以及可以实现人工智能技术平台机器就是计算机，人工智能发展历史是和计算机科学技术发展史联系在一起。

除了计算机科学以外，人工智能还涉及信息论、控制论、自动化、仿生学、生物学、心理学、数理逻辑、语言学、医学和哲学等多门学科。

人工智能学科研究重要内容涉及：

知识表达、自动推理和搜索办法、机器学习和知识获取、知识解决系统、自然语言理解、计算机视觉、智能机器人、自动程序设计等方面。

人工智能技术发展如火如荼，其已渗入到人类经济社会各个角落，深刻地影响着人们生产、生活和学习。

文章在对人工智能技术发展进行回顾基本上，指出人工智能技术发展趋势，展示人工智能技术在财务管理中应用前景。

人工智能技术在财务管理中应用

人工智能（ArtificialIntelligence：

AI）是当今世界尖端技术之一。

在世界上，美国人但愿在发生战争时，让智能机器人代替士兵上阵，人工智能技术受到了美国军界空前注重，同步，商品化专家系统大行其道；在日本，由于老龄化问题严重，老者无所助，因此，渴望有“听话”机器人做“家政助理”。

于是，日本生产了迄今为止世界上最先进人型直立机器人；在国内，人工智能技术已被成功应用，银行等金融机构设自动柜员（ATM）就是一种典型实例。

应用人工智能技术可以跟踪监控账户余额变化、分析财务状况、作出投资决策、在多重约束条件下实现投资最优化组合。

人工智能技术使人类经济社会活动发生深刻变化，从而对财务管理产生重大影响。

一、人工智能及其发展

（一）人工智能概念

智能是获得信息、转换信息、运用知识、形成方略、解决问题能力。

人工智能（ArtificialIntelligence，简称AI）一词最初是在1956年美国计算机协会组织达特莫斯（Dartmouth）学会上提出。

美国斯坦福大学人工智能研究中心尼尔逊专家以为：

“人工智能是关于如何表达知识以及如何获得知识并使用知识科学。

”美国麻省理工学院温斯顿专家则以为：

“人工智能就是研究如何使计算机去做过去只有人才干做智能工作。

”童天湘先生在《从人机大战到人机共生》中以为：

“把人解决问题方式编入程序，使不思维机器也有智能，使机器能做那些需要人智能才干做事，即人工智能。

”

大多数学者以为：

人工智能是通过计算机程序实现，在给定问题、约束、目的和知识库条件下，系统通过学习、转换、运用，形成方略、解决问题能力。

笔者赞同这一定义。

人工智能是数理逻辑、模糊数学、计算机科学、控制论、信息论、管理学、生理学、心理学、语言学以及哲学等许多学科互相渗入而发展起来一门综合性新学科。

（二）人工智能发展

关于人工智能发展阶段及其相应时间时间划分，当前有不同说法。

笔者以为：

工智能产生与发展经历了萌芽、形成、应用、集成四个阶段。

1.萌芽阶段（1951～1955）

人工智能萌芽可以追溯到古希腊思想家亚里斯多德逻辑三段论，因其至今仍为演绎推理之出发点。

20世纪50年代，在WarrenMcCulloch和WalterPitts提出人工神经元模型之后，唐纳德·海布又提出了更新规则。

特别是1951年，普林斯顿大学数学系研究生研制了第一台神经元计算机，把人工智能萌芽推向成熟顶点。

2.形成阶段（1956～1961）

“人工智能”诞生于1956年一次历史性聚会。

会上，几位来自美国数学、医学、心理学、信息科学和计算机科学方面杰出年轻科学家通过交流和探讨，最后由麦卡锡（McCarthy）提出“人工智能”这一术语并采用。

人工智能一产生立即引起广大研究者兴趣，许多学者纷纷投入研究，获得了丰富研究成果。

这一阶段重要成果是定理证明程序GPS、下棋程序、LISP语言和模式辨认系统。

3.应用阶段（1962～1987）

这一阶段由于过度强调和依赖符号逻辑和形式推理，不注重问题领域信息指引作用，产生了组合爆炸（组合产生也许答案庞大,计算机无法算出），成果导致AI研究陷入弱（WeakMethed）困境。

20世纪70年代初，美国斯坦福大学研制出Dendral和Mycin系统，才使AI研究从弱法困境中走出。

特别是1977年，在第五届国际人工智能联合会议上，费根鲍姆正式提出了知识工程概念之后，知识专家系统在全世界迅速发展，其应用范畴扩展到人类社会各个领域。

一波刚平，一波又起，1983～1985年，由于人工智能技术不成熟导致应用受限，AI研究入技术与办法论研究，专家系统再度慢行，直到1985年，美国一种基VLSI下棋系统Hitech在大赛中胜出，才走出AI应用发展阴影。

Hitech参加了48次国际象棋锦标赛,赢了所有专业棋手、赢了70%大师级棋手；1988年“DeepThought”系统赢了世界最高档别棋手，机器智能可以超过人类！

在这划时代突破之后，大量商品化专家系统蜂拥上市，掀起一股专家系统应用热潮。

4.集成阶段（1988年至今）

在这一阶段，人工智能技术实用化进程加快，顾客反馈使专家系统得以改进，满足各种需求使其实现功能上集成。

1988年，美国AmericanExpress公司研究了AA和CA系统，一举解决了信用卡恶意透支和欺骗行为，每年挽回损失2700万美元，获得空前成功。

自此之后，人工智能技术应用进入稳定线性增长阶段。

近年来，人工智能逐渐向多技术、多办法集成和多学科、多领域综合应用方向发展。

大型专家系统隆重推出，开发大型专家系统所用各种人工智能语言、各种知识表达办法、各种推理机制和各种控制方略顺理成章地形成了专家系统开发工具，两者互相增进，演绎了人工智能技术高速发展新时代。

时至今日，人工智能技术发展如火如荼，其已渗入到人类经济社会各个角落，深刻地影响着人们生产、生活和学习，即时化、人性化、智能化和集成化必将成为将来人工智能技术应用发展新趋势。

特别地，在财务管理领域，人工智能技术展示了美不胜收景象。

二、人工智能技术在财务管理中应用

（一）专家系统

专家系统（ExpertSystem：

ES）实质上是“一种在某领域具备专家水平理解能力程序系统”，能像领域专家同样工作，运用专家积累工作经验与专门知识，在很短时间内对问题得出高水平解答。

从构造上看，它是“由一种专门领域知识库，以及一种能获取和运用知识机构构成解题程序系统”。

专家系统核心内容是知识库和推理机制，重要构成某些是：

知识库、推理机、工作数据库、顾客界面、解释程序和知识获取程序。

其普通构造

模型如图1所示。

专家系统实现可采用4种途径，即人工智能通用程序设计语言（如Prolog、Lisp等）、专用知识表达和解决语言（如FRL、KRL、OPS5等）、高档程序设计语言（如C、Pacal、Foxpro等）、专家系统外壳（如Emycin、Expert等）。

1983～1985年，由于人工智能技术不成熟导致应用受限，AI研究转入技术与办法论研究，专家系统再度慢行，直到1985年，美国一种基于VLSI下棋系统Hitech在大赛中胜出，才走出AI应用发展阴影。

Hitech参加了48次国际象棋锦标赛,赢了所有专业棋手、赢了70%大师级棋手；1988年“DeepThought”系统赢了世界最高档别棋手，机器智能可以超过人类！

在这划时代突破之后，大量商品化专家系统蜂拥上市，掀起一股专家系统应用热潮。

财务管理专家系统是财务管理知识、经验和能程序系统，用来求解财务领域内各种问题。

详细地说，财务管理专家系统重要用来代替财务管理专家作复杂财务管理过程描述、诊断、分析、验证，作为结合技术、理念和财务管理环境而作出最后决策根据。

财务管理专家系统思路是把复杂财务问题分解成某些比较容易子问题，再通过搜索和问题归结实现求解。

智能财务管理专家系统是智能化专家系统，智能财务管理专家系统按财务管理内容可分为筹资管理专家系统（含资金管理）、投资管理专家系统、营运管理专家系统（含风险管理、危机管理）和分派管理专家系统。

上述每个系统又可嵌入财务规划与预测子系统、财务决策子系统、财务预算子系统、财务控制子系统和财务分析子系统。

通过系统整合，使财务管理专家系统功能发挥得淋漓尽致，财务预测更精确，财务决策更科学，财务预算将更贴近实际，财务控制更到位，财务分析更透彻，财务管理更全面，即时全面管理轻松在握。

在上述智能化财务规划与预测系统、财务决策系统、财务预算系统、财务控制系统和财务分析系统中，财务决策系统处在中心地位，其她系统对财务决策系统起到支持作用，咱们把它们集成起来统称智能财务决策支持系统。

运用智能财务决策支持系统，可以开展内部控制评估、资产配备评估，通过度析投资时间、贸易活动、套期保值方略可优化投资方案，等等。

（二）模式辨认

模式辨认就是指对表征事物各种形式信息（数值、文字和逻辑关系）进行解决和分析，以对事物或现象进行描述、辨认、分类和解释过程。

当前，模式辨认主流办法有决策论办法（记录办法）和构造（句法）办法，近年又浮现了多源信息融合技术模式辨认、基于多元数据多元图图形基元和特性基元表达模式辨认、基于粗糙集模式辨认等办法。

1.记录模式辨认

在记录模式辨认中，被研究模式用特性向量来描述，特性向量中每一种元素代表模式一种特性或属性，特性向量构成空间叫做特性空间，记录模式辨认任务就是用不同办法划分特性空间，从而达到辨认目。

记录模式辨认系统由数据获取、预解决、特性提取和选取、分类决策四某些构成，如图2所示：

信息获取：

为了使计算计可以对各种现象进行分类辨认，要用计算机可以运算符号来表达所研究对象。

普通输入对象信息有下列3种类型，即二维图像、一维波形、物理参量和逻辑值。

通过测量、采样和量化，可以用矩阵或向量表达二位图像或一位波形。

预解决：

预解决目是去除噪声，加强有用信息，并对输入测量仪器或其她因素所导致退化现象进行复原。

特性提取和选取：

由图像或波形所获数据适量是相称大，为了有效地实现分类、辨认，要对原始数据进行变换，以得到最能反映分类本质特性。

分类决策：

分类决策就是在特性空间中，用记录办法把被辨认对象归为某一类别，在样本训练基本上拟定某个鉴定规则，按这种鉴定规则对被辨认对象进行分类，使导致错误辨认率最小或引起损失最小。

2.构造模式辨认

构造模式辨认办法立足于构造化信息，它把对象模式用一定基元之间构造关系表征，采用规则或语法函数作为辨认函数，选取接受错误率作为准则函数进行模式辨认。

3.模糊模式辨认

模糊模式辨认建立在最大从属原则基本上，运用原则模型库中提供模型来对待辨认模型进行分类，其基本思想是：

对已知若干个训练样本进行模糊聚类，由聚类中心得原则样本，辨认与计算待估样本属于各个模式相对从属度，计算相对状态（或级别）特性值，判断研究对象属于哪一种原则样本，从而实现辨认。

这种办法由于模糊从属度和可信度都需要事先人为给定，存在很大主观性，在实际应用中有一定局限性。

4.多元数据图形特性元模式辨认

构造句法模式辨认最大问题是没有提取数非常重要。

据构造子模式普通化办法，特性提取与描述办法依赖于设计者经验、直觉。

因而，建立一种与领域知识无关数据构造子模式提取与表达办法非常重要。

无构造数据构造化表达是将抽象多元数据以多元图构造形式表达，然后提取出表征多元图子模式，最后基于多元数据多元图构造子模式信息进行分类辨认。

5.多源信息融合模式辨认

对于复杂对象，从单一信息中很难获得关于对象全面精确辨认，于是产生了多源信息融合技术模式辨认。

在这种基于信息融合技术模式辨认系统中，融合算法选取和构建是整个模式辨认系统核心。

6.粗糙集模式辨认

粗糙集理论重要思想是运用已知知识库，将不精准或不拟定知识，用已知知识库中知识来近似刻画。

它无需提供问题所需解决数据集合之外任何先验知识或附加信息，不需要预先予以主观评价。

因此，它对问题不拟定性描述或解决是比较客观。

7.仿生模式辨认

仿生模式辨认强调结识事物而不是区别事物，它与老式以最佳划分为目的记录模式辨认相比，更接近于人类结识事物特性。

老式模式辨认与分类算法都是基于假定同类样本互相之间没有任何关系，但是客观世界一切事物均有联系，仿生模式辨认以为由于同类样本存在某些规律性，在特性空间中必然会形成某种多维几何图形，从而建立一种多维空间中复杂几何形体覆盖辨认原理。

模式辨认在财务管理中应用涉及：

辨认财务管理目的和财务管理环境，辨认金融危机对公司财务管理影响及成因，提出消解方略；在公司治理构造中，辨认公司财务治理构造及其控制特性；在运营管理方面，辨认财务主体（经理层利益有关者）行为及其对财务目的影响；在钞票管理方面，辨认钞票流习性，谋划支付；在资金安全和风险管理方面，建立预警模型，辨认安全隐患和财务风险，保证资金安全、化解财务危机。

（三）资源规划与配备

AI规划与配备技术可以在资源规划与配备中大显身手，在1991年波斯湾危机中，美国军队研制动态规划与配备工具DART，出众地完毕了调度和运送任务。

这项任务同步涉及到不同起点、不同目地和不同途径50万军队和1500万磅重装备运到目地，这项任务要解决所有参数之间冲突，用旧办法需要几种星期才完毕，而用DART可以在几小时内完毕。

资源规划与配备高效率是DART明显特性。

同样，运用DART进行财务管理资源动态规划与配备，必将大大提高财务管理效率和效益。

（四）智能财务管理信息共享系统

智能财务管理信息共享系统是智能化财务管理信息系统。

智能财务管理信息共享系统涉及财务管理查询系统和操作系统，财务管理查询系统是由MicrosoftVisualStudio.NET布置后，再由操作系统IIS服务来完毕发布。

发布平台安装.NETFramework即.NET框架，所有.NET程序都必要在这个框架上运营。

建立财务管理信息共享体系构造，公司以低成本为各利益有关者提供应有关财务信息。

例如，建立了基于B/S模式体系构造，节约成本，实现财务信息共享，提高财务信息解决能力。

财务管理查询系统通过IIS发布后，各部门可通过Web浏览器进行访问，外部本单位顾客也能通过因特网及时理解当天财务状况。

智能财务管理信息共享系统产生，意味着即时财务管理已然成熟，通过接口技术可将公司ERP财务信息包嵌入智能财务管理信息共享系统中，这样公司财务管理信息呈现于眼前，即时财务管理变成现实。

（五）人工神经网络模型

人工神经网络（ArtificialNeuralNetwork，简称ANN）是用大量解决单元（人工神经元、解决元件、电子元件等）模仿人脑神经系统工作构造和工作机理，按不同联结方式构成网络。

它通过范例学习、修改知识库和推理机构造，达到协助人类扩展对外部世界结识和智能控制目。

1.人工神经网络发展历程

1958年，Rosenblatt提出感知器模型，初次把神经网络理论付诸工程实现，形成了人工神经网络研究第一次高潮。

1969年，Minsky和Papert指出了感知器无法克服局限性，人工神经网络研究降温，随后陷入十年低谷期。

20世纪80年代以来，人工神经网络局限性得到了圆满解决，Hopefield神经网络收敛性和稳定性，给人工神经网络发展注入了强大生命力，其应用领域再度蓬勃发展，一路高歌，成为当今最广泛应用于经济管理领域新技术。

2.人工神经网络模型

人工神经网络模型是由若干神经元互联构成模型，神经元是具备下列特性有向图：

（1）对于每个节点i，存在一种状态变量Xi;

（2）从节点j至节点i,存在一种连接权系数Wij；

（3）对于每个节点i，存在一种阈值Hi；

（4）对于每个节点i，定义一种变换函数fi（Xi，Wij，Hi），i≠j；对于最普通状况，此函数取fi（Σ，WijXi-Hi）形式。

如下图3：

人工神经网络涉及递归（反馈）网络和前馈网络。

（1）递归网络（反馈网络）

递归网络由各种神经元互连构成，如图4所示。

神经元输出被反馈至同层或前层神经元，信号可以从正向和反向传播。

（2）前馈网络

前馈网络具备递阶分层构造，同层神经元间不存在互连，从输入层至输出层信号通过单向连接传播，神经元从上一层连接至下一层，不存在同层神经元间连接，如图5所示。

3.人工神经网络应用

人工神经网络BP网络、ART网络、RBF网络和H0P网络等类型。

BP网络重要应用于分类、函数逼近、优化和预测，至今已成功应用领域涉及：

战略财务管理、上市公司财务风险预警、风险投资项目评价、股价指数预测、固定资产投资预测、账单数据挖掘、金融衍生证券定价、纳税评估、经济发展模式选取、都市土地集约运用评价、营销方略组合、货运量预测、物流需求预测、成矿预测等。

而ART网络应用领域涉及：

财务诊断、危机报警、财务信息质量控制、数据挖掘等。

RBF神经网络已成功应用于客户关系管理、住宅造价估算等，HOP网络在工程技术方面应用极其广泛。

人工智能技术在经济与管理领域成功应用,已引起学界极大关注，而在财务管理领域，运用BP网络进行财务预测成果累累，其已成为当今人工智能应用研究炙手可热亮点，其繁花似锦研究成果为财务管理研究增添了亮丽色彩。

三、结语

智能机器人超越人类划时代创造为AI技术发展描绘了宏远蓝图，AI技术在财务管理中应用已日渐成熟。

相信在不久将来，智能机器人财务管理将大行其道，依托智能财务管理专家系统，必将大大提高财务管理效率、效果和效益，即时化、人性化和智能化必将成为将来财务管理专家系统重要特性。

到那时，智能财务管理专家———容貌逼真人型直立智能机器人将任劳任怨地协助人们打理纷繁复杂财务管理事务，而财务管理人员则从风云变幻商业环境中脱身出来。

从财务主体发展战略高度，遵循以人为本理念，开展财务科学管理，促使财务主体可持续发展，实现利益有关者价值组合最大化。

［参照文献］

[1]李陶深.人工智能［M］重庆:

重庆大学出版社，.

[2]蔡自兴.人工智能基本［M］北京:

高等教诲出版社,.

［3］佘玉梅，段鹏.人工智能应用［M］上海:

上海交通大学出版社,.

【4］［美］D.ASP.NET1.1数据库入门典型［M］.北京:

清华大学出版社,.

［5］王化成.财务管理理论构造［M］北京:

中华人民共和国人民大学出版社,.

［6］傅元略.财务管理理论［M］厦门:

厦门大学出版社，.

【6】王万良人工智能及其应用高等教诲出版社第二版